復(fù)雜網(wǎng)絡(luò)社區(qū)檢測研究.pdf

1、復(fù)雜網(wǎng)絡(luò)作為數(shù)據(jù)挖掘領(lǐng)域中一個(gè)重要的方向，近年來受到國內(nèi)外學(xué)者的廣泛關(guān)注。在過去的幾十年里，針對(duì)其中的社區(qū)檢測、鏈路預(yù)測、動(dòng)力學(xué)等問題已經(jīng)有了大量的研究。本文著重于研究社區(qū)檢測算法，對(duì)其中一些典型算法進(jìn)行了分析，針對(duì)Dense Shrink算法進(jìn)行改進(jìn)，提出了Improved Dense Shrink算法；將用于一般網(wǎng)絡(luò)的模型擴(kuò)展到符號(hào)網(wǎng)絡(luò)，提出了一種基于網(wǎng)絡(luò)動(dòng)力學(xué)的社區(qū)檢測算法；并且針對(duì)符號(hào)網(wǎng)絡(luò)的特點(diǎn)，提出了一種基于相似度的社區(qū)檢測方

2、法。具體如下：
　　（1）本文通過對(duì)多種相似度進(jìn)行分析，提出了簡化卡茲相似度Skatz（Simplified Katz），使得在不影響相似度精確性的前提下，縮短計(jì)算所需的時(shí)間。由于在Dense Shrink算法中最耗時(shí)的步驟合并微社區(qū)與合并密度對(duì)相比并不總具有優(yōu)勢，且使用信息量更全的相似度可以減少微社區(qū)出現(xiàn)的概率。因此，本文通過使用SKatz相似度和用合并密度對(duì)替代合并微社區(qū)步驟提出了Improved Dense Shrink算法

3、。
　?。?）本文通過對(duì)一般網(wǎng)絡(luò)所用模型進(jìn)行分析，引入負(fù)耦合系數(shù)對(duì)網(wǎng)絡(luò)模型進(jìn)行擴(kuò)展以適應(yīng)符號(hào)網(wǎng)絡(luò)的特點(diǎn)。其中，正耦合系數(shù)使具有正連接節(jié)點(diǎn)的相位趨于靠近；負(fù)耦合系數(shù)使具有負(fù)連接節(jié)點(diǎn)的相位趨于遠(yuǎn)離。同時(shí)對(duì)同步方程中的系數(shù)（正、負(fù)耦合系數(shù)）的取值以及其對(duì)同步結(jié)果的影響進(jìn)行了分析。針對(duì)符號(hào)網(wǎng)絡(luò)，提出了一種基于網(wǎng)絡(luò)動(dòng)力學(xué)的社區(qū)檢測算法。
　　（3）本文通過對(duì)符號(hào)網(wǎng)絡(luò)的邊進(jìn)行分析可知，其具有符號(hào)屬性和連接屬性。符號(hào)屬性對(duì)應(yīng)邊權(quán)值的正負(fù)，